由中國高科技行業(yè)門戶OFweek維科網(wǎng)和高科會主辦、OFweek人工智能網(wǎng)承辦“2018中國（上海）國際人工智能展覽會暨OFweek（第二屆）國際人工智能產(chǎn)業(yè)大會”于8月30日至9月1日在上海成功舉辦。
此次展覽會，形式多樣，大咖云集，其中第一天的主論壇的AI技術(shù)相關(guān)演講可謂精彩無比，香港科技大學(xué)機(jī)器人學(xué)院院長、IEEE院士王煜、深圳云天勵(lì)飛首席方案總監(jiān)王軍等專家或企業(yè)代表都出席大會現(xiàn)場，為大會增添不一樣的風(fēng)采。
其中，宇視科技人工智能產(chǎn)品線總工程師李聰廷給大家?guī)怼栋卜?a href="http://ygpos.cn/AI_1.html" target="_blank" class="keylink">AI應(yīng)用現(xiàn)狀與展望》的主題演講，介紹了安防行業(yè)的三大變革，分別是網(wǎng)絡(luò)化、高清化和智能化，重點(diǎn)介紹了現(xiàn)階段的智能化變革階段。
首先簡單介紹了網(wǎng)絡(luò)化和高清化，隨后再提出安防智能化階段的熱門研究領(lǐng)域——人臉識別。列舉了公安、教育、機(jī)場、新零售等例子證明人臉識別的實(shí)際落地已經(jīng)滲透到很多細(xì)分行業(yè)。此外，李聰廷先生認(rèn)為，雖然人臉識別技術(shù)在安防領(lǐng)域已經(jīng)很完美，但還是面臨諸多挑戰(zhàn)，第一相關(guān)算法無法做到百分之百的正確報(bào)警，第二是來自成像的挑戰(zhàn)，第三是技術(shù)含量不高，設(shè)計(jì)與實(shí)際落地出現(xiàn)很大偏差。最后還提出了智能交通，指出智能交通是安防AI的一個(gè)主要方向，引出安防AI的三個(gè)展望。
李聰廷先生
以下是李聰廷先生的現(xiàn)場演講內(nèi)容，OFweek小編作了不改變原意的整理和編輯：
各位朋友下午好，我是來自宇視科技的李聰廷，今天下午我給大家分享的主題是安防AI應(yīng)用現(xiàn)狀與展望。熟悉安防的朋友可能了解，安防行業(yè)一共經(jīng)歷了三次變革，分別是網(wǎng)絡(luò)化、高清化和智能化。其中網(wǎng)絡(luò)化和高清化是已經(jīng)完成的變革，而智能化是我們目前正在進(jìn)行的一場變革，也是我們此次分享的重點(diǎn)。
溫故而知新，我們簡單回顧一下前兩次變革到底發(fā)生了什么？
網(wǎng)絡(luò)化，大約發(fā)生在2006年前后。當(dāng)時(shí)安防行業(yè)的現(xiàn)狀是監(jiān)控室，監(jiān)控系統(tǒng)的規(guī)模通常在幾十路的規(guī)模，最多可能是幾百路。也就是說各個(gè)監(jiān)控系統(tǒng)之間是沒法互相連通的。在一個(gè)平安城市中，沒辦法在一個(gè)地方看到城市各個(gè)角落的視頻。所以當(dāng)時(shí)的一個(gè)技術(shù)突破是將IT技術(shù)應(yīng)用到安防領(lǐng)域，將一個(gè)城市中幾十萬路攝像機(jī)進(jìn)行互聯(lián)互通。那么后來我們又進(jìn)入到了高清化。剛才說的網(wǎng)絡(luò)化解決的是看不見的問題。高清化要解決問題是看不清楚的問題。在高清化出現(xiàn)之前，我們標(biāo)清視視頻的分辨率最高只能達(dá)到720×576。而且事實(shí)上很多的視頻監(jiān)控系統(tǒng)，可能只有352×288的大小。
在這樣的一個(gè)分辨率下面，我們?nèi)绾文軌蚩辞逡粡埲四?、看清一個(gè)車牌。隨著三色鏡頭編解碼技術(shù)的快速迭代，我們很快進(jìn)入了高清時(shí)代。經(jīng)過數(shù)年的發(fā)展，200萬分辨率已經(jīng)非常的普及，成為業(yè)界的一個(gè)標(biāo)配。在一些中高端應(yīng)用，分辨率到了800萬，1200萬甚至更高。那么這兩次的變革它有什么共同性呢？我認(rèn)為有兩點(diǎn)。第一點(diǎn)是技術(shù)的突破。網(wǎng)絡(luò)化是IT技術(shù)應(yīng)用于安防。高清化是鏡頭三色編解碼等技術(shù)的一個(gè)快速發(fā)展。第二個(gè)是共通性，對產(chǎn)業(yè)鏈和行業(yè)來說是一次洗牌。
在十年前，安防行業(yè)的從業(yè)廠家非常多，國外品牌有十幾家，甚至更多，還有大量的中小設(shè)備提供商和解決方案提供商。到今天，國外品牌的安防廠商基本上退出了中國大陸市場，中小企業(yè)的數(shù)量也在逐年下降。從大勢上來說，這次的智能化革命其實(shí)跟前兩次非常的類似。首先它是有技術(shù)拐點(diǎn)出現(xiàn)，就是眾所周知的深度學(xué)習(xí)技術(shù)的出現(xiàn)。其次這也是一定意義上的行業(yè)洗牌。對于能夠跟上技術(shù)迭代，在技術(shù)上面專注投入的廠商可能是一次機(jī)會。對于沒有能夠跟上這次技術(shù)迭代的廠商來說，最后會直接出局。
那么在智能化這個(gè)時(shí)代，其實(shí)前兩次的網(wǎng)絡(luò)化和高清化打好了一個(gè)很打下了一個(gè)很好的基礎(chǔ)，使我們過去看不清楚看不見的這些圖像，變成看得清楚看得見的圖像。在安防智能化這場變革中，最熱門的一件事其實(shí)就是人臉識別，人臉識別成為安防AI最熱門、最主要的一個(gè)應(yīng)用方向。為什么是人臉識別？我認(rèn)為首先安防市場渴望人臉識別太久了。在過去的幾十年間并不是沒有人員識別有，但確實(shí)不好用，一定程度上甚至傷害了我們的用戶。甚至有一段期間，大家覺得人臉識別是個(gè)忽悠，但是隨著深度學(xué)習(xí)技術(shù)的出現(xiàn)，它發(fā)生了質(zhì)變。在人臉識別的識別率上面有了一個(gè)巨大的提升，而這個(gè)提升期間所花費(fèi)的時(shí)間非常短。
當(dāng)然深度學(xué)習(xí)技術(shù)并不是這幾年才出現(xiàn)，而是只是說在安防里面真正的落地開始規(guī)?；瘧?yīng)用是這幾年的時(shí)間，人臉識別技術(shù)已經(jīng)滲透到安防的每一個(gè)細(xì)分行業(yè)中。以公安為例，動態(tài)黑名單布控、近代大庫人臉比對、軌跡碰撞，這都是非常普及的一個(gè)應(yīng)用。又以教育行業(yè)為例，以前我們對人員的學(xué)生的管控，宿舍樓學(xué)校人員的管控，基本上是靠人工的一個(gè)管控。現(xiàn)在我們很多高校都裝上了人臉?biāo)偻ㄩT，也就是帶有人臉識別功能的閘機(jī)。還有在機(jī)場我們過去的人證核驗(yàn)是靠人工來解決的，現(xiàn)在機(jī)場、高鐵基本上都是通過機(jī)器來識別。又如新零售，我們可以應(yīng)用人臉識別技術(shù)，提供vip識別，也可以做很多的商業(yè)分析。
那么人臉識別技術(shù)在安防里面是否已經(jīng)很完美的？已經(jīng)很成熟了？我認(rèn)為遠(yuǎn)遠(yuǎn)不夠。目前我認(rèn)為還是處于初級階段。我們來看看人臉識別，目前到底有哪些問題和挑戰(zhàn)？
首先第一個(gè)是算法，算法無法做到百分之百的正確報(bào)警，我們會有漏報(bào)也會有誤報(bào)。事實(shí)上有的漏報(bào)和誤報(bào)通過算法很難解決。但是客戶的期望是百分之百。 所以這是我們所面臨的第一個(gè)挑戰(zhàn)。
第二個(gè)挑戰(zhàn)來自成像。我們給客戶演示的時(shí)候，通常都是把我們最好的一面展現(xiàn)給客戶，但是實(shí)際應(yīng)用當(dāng)中，我們可能會遇到各種各樣的復(fù)雜情況，比如說寬動態(tài)問題，在背光很嚴(yán)重的情況下面，人臉很有可能是過暗的或者過曝的。這個(gè)時(shí)候如果一味的純粹靠算法去解決，顯然這條路走的不太對。
那么在夜間怎么辦？夜間很多時(shí)候自然的環(huán)境光是不充足的，這時(shí)候我們?nèi)四樋赡芤彩强床磺?。于是乎我們想到了安裝補(bǔ)光燈，它可以來彌補(bǔ)自然光不足的問題，但人臉不行，為什么？因?yàn)樗苯诱罩?，對于普通百姓來說，會覺得你這個(gè)東西很刺眼，但是對于犯罪分子來說，相當(dāng)于提前預(yù)警，提前告訴你這個(gè)地方是有可能把你抓下來的，他會躲避鏡頭，所以這是一個(gè)我們要去解決的一個(gè)問題。
還有一個(gè)問題，人臉識別對安裝工程是有比較規(guī)范的要求的，但是執(zhí)行起來卻很難。打個(gè)比方，在家里面，我們?nèi)パb修的時(shí)候，可以設(shè)計(jì)得非常清楚，細(xì)化到每一個(gè)開關(guān)每一個(gè)螺絲，但最終如果你讓工人去裝修完的時(shí)候，你再去看的時(shí)候，可能跟你當(dāng)初想象的差別很大。 同理，在安防領(lǐng)域的工程實(shí)施這個(gè)環(huán)節(jié)，執(zhí)行環(huán)節(jié)其實(shí)也經(jīng)常容易出現(xiàn)一些不規(guī)范的問題，最終導(dǎo)致效果不好。
還有一個(gè)問題，前面說的三點(diǎn)其實(shí)是點(diǎn)上的問題。后面說的這是一個(gè)整個(gè)面上的問題。人臉識別在安防里面，演示容易落地難。我們認(rèn)為在安防AI落地的過程中要邁過三道坎。第一道坎是核心技術(shù)突破。我相信現(xiàn)在很多的企業(yè)已經(jīng)邁過了這個(gè)坎，現(xiàn)在在人臉識別領(lǐng)域，絕大多數(shù)企業(yè)已經(jīng)迭代到深度學(xué)習(xí)，已經(jīng)使用新的算法；那么第二道坎是演示落地的坎，或者說小規(guī)模落地的坎，這道坎很多企業(yè)也邁過去；第三道坎是規(guī)模落地，這道坎要邁過去并不容易。幾十路的規(guī)模跟上千路甚至上萬路的規(guī)模，它的挑戰(zhàn)完全不是一個(gè)量級。在規(guī)模落地中，我們不僅要解決算法的問題和AI的問題，我們可能還要解決聯(lián)網(wǎng)平臺、大數(shù)據(jù)、云存儲、硬件產(chǎn)品，這些問題都是我們需要逐一解決。
其次，建設(shè)成本高。安防客戶對成本是非常的敏感，如今安防AI多數(shù)應(yīng)用于高端市場。在高端市場里面，它的價(jià)格也是比非AI的產(chǎn)品要高一些的。它的設(shè)備的成本可能是兩倍，甚至更高。所以我們需要通過反復(fù)的產(chǎn)品迭代，把價(jià)格的門檻給降下來，當(dāng)然質(zhì)量是不能降。
還有個(gè)問題，是我們很多廠商困擾的。場景定制個(gè)性化需求。舉個(gè)例子，人臉識別1:1的比對，說起來就是一個(gè)1:1。理論上我們提供一類產(chǎn)品就可以了，但實(shí)際上我們在落地過程中，可能面向公安的、司法的、教育的、機(jī)場等場景都不一樣，硬件產(chǎn)品形態(tài)可能也完全不一樣。同樣，軟件方面的需求也會千差萬別，差別很大。作為設(shè)備和解決方案廠商，或者AI算法廠商也好，不可能去做這么多的應(yīng)用。怎么辦？或者說我們怎么去抽象一些基礎(chǔ)的部件。
人臉識別在安防里面實(shí)在太火了，以至于很長一段時(shí)間，大家有個(gè)錯(cuò)覺，認(rèn)為安防AI等于人臉識別，而實(shí)際上人臉識別在安防AI的應(yīng)用中只占1/4，那么另外3/4是什么呢？首先我們不得不提智能交通。
其實(shí)在16年以前，其實(shí)智能交通是安防AI的主要方向，只不過由于車是鋼體，我們運(yùn)用傳統(tǒng)的cv方法，能夠取得相對比較實(shí)用的，或者準(zhǔn)確率比較高的一個(gè)結(jié)果。我們車牌識別率能夠達(dá)到99.9%。使用傳統(tǒng)CV的方法，深度學(xué)習(xí)技術(shù)，引入到智能交通領(lǐng)域，它對它是一個(gè)量變，不是一個(gè)質(zhì)變。因此在當(dāng)前的安防AI中可能很容易被人忽略它的一個(gè)技術(shù)迭代和進(jìn)步，還有視頻結(jié)構(gòu)化的應(yīng)用。
大家可能覺得奇怪，我們能夠看清人臉，能夠識別人臉了，能夠看清車牌了，為什么？我們還要去識別人體，去對這么小人體、車輛進(jìn)行結(jié)構(gòu)化。
大家考慮一個(gè)問題，人臉識別它的入口條件是什么？我們認(rèn)為它達(dá)到比較好的一個(gè)識別率，人臉的像素要達(dá)到80像素以上，或者說瞳距大于40像素以上。那么對于一臺200萬的相機(jī)，換算成監(jiān)控寬度大概有多寬？三米左右。那么對于用戶來說，建設(shè)成本是相當(dāng)高的，而且是不可能既要完成監(jiān)控場景的無死角的覆蓋，又要說能夠看清人臉，這是一個(gè)矛盾，而且這個(gè)矛盾可能是很多年都無法調(diào)和和解決的。所以說我們在關(guān)鍵的出入口，我們要去建人臉卡口，車輛卡口。
但是我們從監(jiān)控覆蓋無死角的角度來看，我們需要繼續(xù)沿著傳統(tǒng)的視頻監(jiān)控的覆蓋的場景范圍去建設(shè)。那么這么多的這些海量的這些視頻，顯然純靠人工去看是不現(xiàn)實(shí)的。因此我們需要對它進(jìn)行視頻內(nèi)容的分析，對他進(jìn)行結(jié)構(gòu)化的描述描述，它是一輛車？一個(gè)人？男人？女人？衣著顏色？我們需要對他進(jìn)行以圖搜圖，我們可以框選一個(gè)人，然后跨攝像機(jī)去搜索，找到它的軌跡，快速定位人。這是視頻結(jié)構(gòu)化的應(yīng)用。
那么還有一類應(yīng)用是行為分析的應(yīng)用。過去利用傳統(tǒng)CV的方法，周界防范入侵類的這些檢測算法，效果都不盡如人意，誤報(bào)非常多。那么使用現(xiàn)在的深度學(xué)習(xí)技術(shù)可以極大地減少誤報(bào)。這對行為分析類的產(chǎn)品來說，它也是一個(gè)質(zhì)的變化、一個(gè)產(chǎn)品的換代。
接著簡單聊一聊我們對安防未來的一個(gè)看法。首先第一點(diǎn)，我認(rèn)為安防AI的競爭將從三要素競爭演化到六要素，其實(shí)三要素在業(yè)界在前幾年已經(jīng)達(dá)成一個(gè)共識，算法數(shù)據(jù)算力缺一不可，很重要。但是我們認(rèn)為是遠(yuǎn)遠(yuǎn)不夠。因?yàn)樵谝?guī)模落地過程中，你要有性價(jià)比的產(chǎn)品，僅僅一個(gè)識別率給用戶，用戶是不可用的。用戶是需要針對行業(yè)應(yīng)用的業(yè)務(wù)，所以我們需要解決方案，我們也需要工程化的規(guī)范，不能一個(gè)好的產(chǎn)品，最終客戶拿到安裝以后，就是一個(gè)很爛的產(chǎn)品。
那么第二個(gè)展望是我們認(rèn)為邊緣AI需求強(qiáng)勁，它將帶動AI的快速產(chǎn)品上量。為什么是邊緣？因?yàn)檫吘壍臄?shù)量最多，多到是中心設(shè)備數(shù)量的幾百倍甚至上千倍，這第一點(diǎn)。其次，它的建設(shè)成本最低，它不需要將海量視頻全都回傳到中心、去做智能分析，不是說中心不需要，而是說是邊緣的量最大，邊緣更有利于安防行業(yè)快速發(fā)展。
第三個(gè)展望，我認(rèn)為是未來的安防AI將是一個(gè)多點(diǎn)技術(shù)迭代，為什么強(qiáng)調(diào)多點(diǎn)？而不是單點(diǎn)，因?yàn)檫^去單點(diǎn)強(qiáng)調(diào)的算法，而未來可能會進(jìn)入到每個(gè)點(diǎn)的提升，從而達(dá)到一個(gè)整體的提升。第一點(diǎn)，我們認(rèn)為鏡頭、Sensor與ISP需要提升，跟成像強(qiáng)相關(guān)。 第二點(diǎn)，我們認(rèn)為AI的處理芯片需要提升，AI芯片摩爾定律在接下來幾年一定會持續(xù)。過去我們說AI芯片算力可能1T我們已經(jīng)很驚訝了，現(xiàn)在30T甚至更高比比皆是。然后我們認(rèn)為后面的攝像機(jī)它將是一個(gè)物聯(lián)網(wǎng)的一個(gè)網(wǎng)關(guān)，它不僅僅是具有視覺的功能，它還具有傳感器，可能還有語音的交互等多個(gè)功能，它需要模仿人一樣，它是雙目的，他又要有深度信息，當(dāng)然在近距離不一定是雙目。然后AI算法我們認(rèn)為會持續(xù)迭代，但是可能算法可能要提升兩個(gè)點(diǎn)，但是算力可能要翻個(gè)兩三倍，這都很有可能.
然后算法方面還有一個(gè)趨勢，有可能會從人臉識別到人體的識別。然后還有一點(diǎn)就是云邊結(jié)合很重要，邊緣可能更多做的是結(jié)構(gòu)化的事情，云端更多做的是結(jié)構(gòu)化信息的融合、數(shù)據(jù)的挖掘、數(shù)據(jù)分析以及業(yè)務(wù)的應(yīng)用。將點(diǎn)狀的數(shù)據(jù)串起來。
下面簡單介紹一下宇視的一個(gè)解決方案，針對AI推出了全融合的智能解決方案，叫做UniAI。在理解上很簡單，我們就是將所有的前端智能、后端智能等全部智能拉通管理起來，為不同的場景不停不同的應(yīng)用，提供不同產(chǎn)品，但是它是統(tǒng)一拉通的，然后我們是六要素全面的發(fā)力。
然后這邊再講我們的軟件能力，IMOS是我們與是在安防推出的一個(gè)多媒體操作系統(tǒng)，我們已經(jīng)迭代了十年。目前在智能化的時(shí)代，我們也融入了很多的智能功能和解決方案。我們可以把所有的云邊的設(shè)備GPU進(jìn)行調(diào)度起來，資源的負(fù)載均衡。同時(shí)我們還有一個(gè)開放的生態(tài)，把定制化的需求留給當(dāng)?shù)氐囊恍┲行∑髽I(yè)的集成商，當(dāng)然也會把一部分利潤分享給他們。那么我們目前的宇視的智能解決方案已經(jīng)在很多的領(lǐng)域得到了應(yīng)用，比如600多所的高校，500多個(gè)平安城市等。
由于時(shí)間關(guān)系，以上就是我的分享，也非常感謝大家，如果大家有一些技術(shù)方面交流，我們可以下來再交流，謝謝。
（免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進(jìn)一步核實(shí)，并對任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。
任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書面權(quán)利通知或不實(shí)情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 ）
